在本章中，我们将把默许共谋的疆域再次扩大，探究第四种共谋场景——电子眼。这其中，有两项关键的科技进步托起了默许共谋的“光明前景”：其一，计算机实时处理大量数据的能力，令它拥有了掌握所有市场信息的“上帝视角”；其二，人工智能在商业活动中的应用，指的是具备自主决策与学习能力的复杂算法在企业经营活动中发挥的重要作用。
在现实中，这两项科技进步却合力酿成了一个恶果，令默许共谋拓展了自己的疆域，超越了定价功能、寡头垄断市场以及简易价格监督的刁难。在这个范围更大、信息更完整的市场中，企业运用计算机算法可以在更短的时间内对竞争对手采取的销售策略做出回应。通过从做中学，计算机算法会为企业经营者提供多种多样的决策选项。
在此前介绍的三种共谋场景中，我们就好像是马撒葡萄园岛上的游客，总能够察觉到岛上市场与其他市场的不同之处。但在电子眼场景中，当默许共谋已侵入更多市场、算法的功能也不再局限于被用来定价时，我们甚至可能察觉不到市场中的价格操纵力量。但实际情况则是我们从这种虚拟竞争环境中得不到一点好处。
“上帝视角”
2014年，一则关于优步的新闻在社会上引起了不小的轰动。两位前优步雇员告诉记者，“利用一个被称作‘上帝视角’的公司内部程序，优步员工可以轻易地追踪到曾使用过约车服务的用户的所在位置”。 1
效仿优步的用词，我们也用“上帝视角”这个词汇来描述使用信息技术手段获取全局视野的商业行为。互联网、智能感应装备、云储存等技术令个人信息数据量呈爆炸式增长，使掌握这些技术的企业对目标客户有了更深入的了解。对优步来说，它的员工可以在一个巨大的屏幕上，实时监测合作车主的动向。同样对于像亚马逊这样的电商而言，它不仅可以对自己的物流链有一个清晰的掌控，就连竞争对手的产品布局与物流链上的商品，亚马逊也有办法做到一清二楚。
上一章中我们已经介绍过，计算机算法可以比人类更快地监测到价格与市场需求的变化（尤其是对同质产品而言），并且可以迅速对竞争对手的营销策略做出回应（这也包括针锋相对的报复性举措）。特别是“如果企业开始变得无法从竞争中占到更多便宜”时，市场将更容易坠入默许共谋的深渊。 2 在用户黏性较低、产品偏于同质化的市场中，计算机算法总能迅速发现降价销售的卖家，并有效扼杀后者拓宽销量的可能。市场透明度越高，算法的反应速度越快，率先降价的企业获利空间越小，进而跟风的企业也越少。在第7章中，关注的焦点在于算法对竞争对手的调价行为所做出的回应。
但当算法已经拥有“上帝视角”时，计算机可以在任何调价行为发生之前就对竞争对手发起的威胁做出预测并且及时采取反制措施。首先，每家运用算法的企业都会在向其他同业企业主动发起“进攻”前全面衡量此举可能产生的利弊。在充分权衡之后，算法往往会得出不主动掀起同业竞争的结论。这其中的逻辑很简单——如果市场中的主要竞争对手都在运用拥有“上帝视角”的高新科技，他们就不免相互忌惮。其次，通过追踪竞争对手与客户的行为，实时数据可以揭示一些重要信息，比如，竞争对手是否在寻找提高销量的机会（具体体现为：在更多地区开设分店、拓宽目标客户人群、发展集团客户等）。因此，如果每家公司都可以迅速侦查到竞争对手耍的花招，并且具备做出有效回击的能力，那么它们谁也不敢轻举妄动。
在电子眼场景中，假设市场中所有企业都掌握了拥有“上帝视角”的信息技术，那么市场透明度的提升会令各家公司使用的算法都不敢轻易地通过秘密降价、提高产品质量、抢夺客户等手段来拓展市场份额。原因在于，这些行动都有可能被竞争对手的算法发现，从而招致价格战或者其他报复性措施。
那么，为什么要率先抛出这个假设呢？原因有二。其一，适者生存。反应速度快、头脑灵活的经营者最有可能开发出拥有“上帝视角”的算法，从而在竞争中赢得优势的地位。当他们对市场环境有了更加清晰的全局观时，他们可以迅速对市场变化做出回应。但与此同时，不具备这项技术的竞争对手只能不断拱手让出自己的市场份额直至退出市场。由此一来，当弱势企业被“除名”、领军企业在信息系统建设上不断取得进展时，市场的准入门槛将被不断抬高。届时，市场将被数个拥有自学习能力的算法掌控，默许共谋就此确立。
其二，分享创造更高回报。预测型代理人场景中曾提过，当企业选择将“上帝视角”、人工智能、数据流等前沿科技与竞争对手分享时，它自己也能从中获益。毕竟，默许共谋的稳固还有赖于市场中各企业的协作。面对敏锐的市场监测与残酷的报复性举措，企业还会争先去当那个第一个“吃螃蟹的人”吗？毕竟，即便它们试图通过提升产品质量、降低售价或者开拓新市场来扩大市场势力，后来者也会迅速迎头赶上，抹杀前者的超额利润。从另一个层面来理解这个问题时，我们也可以说是“上帝视角”有效降低了市场中的不确定性，特别是当市场信息经由消费者再被传递至竞争对手的数据库，进而实现全行业的信息共享时，阻碍“上帝视角”实现普及的“麻烦”也将逐一化解。
“上帝视角”的崛起对于默许共谋的启示在于，默许共谋的发生场景已然可以走出同质化产品市场。不同程度的复杂性将塑造出不同水平的机器学习型算法。但在信息收集与贸易往来的过程中，各家企业的这种重复劳动最终会唤起协作搭建数据平台的渴求。2015年，亚马逊上线了自己的物联网云平台。这是一个“集合了产品制造商、服务提供方与应用程序开发员的完整生态系统。在这里，各类人群都可以将采集到的数据上传到云中。通过加载和分析这些数据，程序开发者可以使用各项亚马逊服务打造出属于自己的应用程序”。 3 令人惊喜的是，在亚马逊的物联网云平台上还有一个“影子”模式。不需要连接互联网，物联设备可以执行本地计算、消息收发和数据缓存的功能。 4
电子眼：走出针锋相对的死循环
对于自学习算法而言，个人信息与市场数据就是能量棒。当市场中可获取的数据不断丰富时，有如“上帝视角”般的市场透明度将为企业在千百种经营方案中敲定一条实现利润最大化的康庄大道。人工智能在企业经营管理中的应用将为经营策略的有效性与法理分析带来重要启示。
在此前章节中，算法是用来实现利润最大化的工具。它要确保在不与其他算法达成勾结或分割市场的前提下，完成这项任务。 5 与之不同的是，在引入了“上帝视角”的默许共谋场景中，人类并未给算法设定稳定市场或暗中串通的任务。不仅如此，它将独立运作，紧盯市场动态，从而识别出最佳经营策略。
有了“上帝视角”，计算机可以更快更好地对竞争对手的行动做出预测与理解。因此，彼此的经营策略也将愈加稳健与可靠。如果企业可以更好地读懂竞争对手对外放出的“信号”，那么彼此之间互掷暗箭的可能性也会大为降低。当每个算法模型都可以通过获取额外的数据来对竞争对手的行为做出判断时，各种不确定性、误解都将有望得到化解。
为了说明市场中的这些进展，让我们先以一种传统型竞争为例，其后再融入电子眼场景的市场特性，并对这种变化加以说明。
假设市场中有两家企业——USA公司与CAN公司，各家公司只在本国市场（美国与加拿大）展开经营活动。如果USA公司选择跨出国界，将经营触角伸及对手的领地，那么CAN公司肯定会采取反击，在前者的领地内倾销自己的产品。这样一来，事情往往会陷入一种僵持的状态——每个企业都选择“按兵不动，并期待对手也如此”。 6 这种剑拔弩张的态势最终会令企业懂得，任何市场扩张行为所带来的回报都会被竞争对手的反击所吞没。
这种明争暗斗的关系难免会给彼此带来错误的认知，因为“任何‘误解’都有可能引发一轮轮针锋相对的市场竞争”。 7 假设这样一种情况，如果市场中有个爱耍无赖的经销商将USA公司的产品运往加拿大销售，而USA公司却对此一无所知。愤怒之余的CAN公司不甘示弱地侵入美国市场，而此举同样也引发了USA公司的回击。面对此景，消费者无疑是最大的受益者。事实上，即便USA公司一早就发现了经销商的小伎俩，可是出于彼此的不信任情绪，它也无法及时将这个消息告知CAN公司。
于是，正如两位博弈论专家所言，“当市场竞争对手之间普遍存在着误解和不信任情绪时，从长远来看，他们一半时间是在合作，另一半时间则是在背叛承诺”。 8 对于消费者而言，我们则会在企业的争斗期内获益。
现在，让我们将电子眼的运用融入其中。在最初，考虑到企业之间误解的客观存在，软件开发工程师可能会遵循针锋相对的策略编写算法程序。但在模型搭建的过程中，工程师仍可以对算法赋予不同等级的容忍度阈值（比如，如果每个月内竞争对手的100辆运货卡车中有5辆卡车跨过了国界，则认定为对手已发起竞争）。而当算法摆脱了“冤冤相报”的定价策略的束缚时，具备自学习能力的算法会在不断演进的竞争策略中实现利润最大化的目的。
有了“上帝视角”，CAN公司的计算机可以实时侦察到经销商暗地里开展的跨国销售行为。对于此举，CAN公司的算法模型兴许还会发现这样一种规律：每当发现搭载着自己产品的经销商货车跨过了国境，USA公司就会立即切断对该经销商的货物供给。以此为警告，其他经销商也不敢再跨国销售USA公司的产品。于是，美、加两国的垄断价格得以稳定。面对USA公司的及时回应，CAN公司的自学习算法可能会选择放弃开展报复性举措。这样一来，双方有效地规避了一场害人害己的价格战。
博弈论中有一条通则：“当一方越了解对手，或者说可以更好地掌握对方的战略性行为 9 时，他才可能找到展开合作的最优解。” 10 在电子眼场景中，企业可以在持续监测竞争对手市场行为的过程中，谋求开展合作的契机。举例来看，算法可以通过实质上的客户资源分割达到稳定市场份额的作用。自学习算法可以通过数据甄别出竞争对手的核心客户，并有效限制自己对这类客户群体发出促销信息。这种“竞争的自我克制”可以在无形中有效化解价格战的危机。
人工智能对阵人类智能
从实践来看，电子眼场景不仅可以辅助并稳固企业之间有意识的平行行为，还可以拓宽后者的应用领域——在有更多市场竞争对手参与的情境下，默许共谋仍能够成立。
人类在进行价格操纵时，彼此需要积累相当程度的互信。 11 当市场中存在同业协会或者领军企业时，卡特尔组织往往可以网罗更多的企业参与。 12 但是如果没有领军企业，不论是默许共谋还是明示共谋，参与其中的企业数量都将大为减少。那么，原因何在？在传统的共谋场景中，默许共谋的成立需要一个高度集中的市场环境（如同质产品市场）。美国反垄断监管当局曾表态，“企业是否选择参与市场协作还有赖于自身对外界价格变化或其他竞争性举措的预测能力与自身实力”。 13 监督两家竞争对手企业的战略性行为总比监督20家企业要轻松得多。同理，同等力度的惩罚措施带给3家企业的杀伤力也远大于20家企业各自分担5%的罚金。
那么换成是计算机在操纵价格呢？当然计算机之间可不存在互信之说。即便如此，有了自学习算法与“上帝视角”，它也能为默许共谋开疆辟土。开发人员会在编程过程中有意弱化人类惯有的偏见思维，比如损失厌恶、沉没成本谬误与框架效应。摆脱了这些不稳定的因素，计算机算法巩固了默许共谋成立的基石。依靠审慎分析而非直觉，算法可以在谋求利润最大化的过程中找到最优解题。 14
与人类不同，计算机在默许共谋开展的过程中既无惧经济处罚或牢狱之灾，也不会在冲动与愤怒中胡乱行事。它会妥善地估量合作带来的回报，也会对竞争对手的背叛网开一面。特别是在估算回报时，计算机的效率与准确性令人刮目相看。
在电子眼场景中，计算机可以追踪到无数竞争对手的市场行为，并及时发现价格背叛者。如果计算机通过自学习后都不约而同地围绕一个主导战略，那么每家小型企业都可以做到监测并领会竞争对手正在使用的算法。这样一来，市场中的算法将一同对价格背叛者施加惩处，这完全可以被看成是垄断企业对其他弱势企业的强势打压。总的来看，当算法的普及已拓展至全行业时，我们将会见证容纳了更多市场参与者的暗地串通行为。但在之前，这些市场也许远非默许共谋的沃土。
空空如也的执法工具箱
电子眼场景不仅给市场竞争秩序带来了更大的破坏力，同时也给执法机构出了一道难题。此时，市场环境已与前两类垄断场景——信使场景与中心辐射式共谋场景——有了本质不同。电子眼场景甚至远远超越了预测型代理人场景的层面。虽然这其中不存在明示共谋，人们却明确知道一点：如果市场经营者各自采用追逐利润最大化的定价算法，那么默许共谋的确立将是这种策略很有可能导致的后果。所幸，即便预测型代理人场景已为执法者制造了不小的挑战，反垄断诉讼的原告仍可以在掌握被告确凿的犯罪意图证据后，有望赢得官司。然而在电子眼场景中，事态又一次发生了转变。面对算法的默许共谋策略，人类再度拉远了与其的距离。他们甚至不知道算法会在何时发起默许共谋，而这又将持续多久。没有任何证据可以显示人类存在价格操纵的意图，我们也无法假定是人类有意培植了默许共谋的市场环境。
区别于前三类共谋场景，电子眼场景中实现的共谋（无论明示或者默许）并非人类的初衷。回到计算机算法被编写出来的科研工作室，软件开发工程师并没有下达明确的指令用于激发共谋。但在拥有“上帝视角”的市场环境中，当市场参与者都抱有利润最大化的目标时，具备自学习能力的算法在工作中学会了共谋。当移动通信、物联网与线上市场交易的数据源源不断地向算法输送能量时，与其说默许共谋是人类的想法，倒不如说是自学习算法搭建起了默许共谋的施展平台。基于从市场中持续得到的反馈，计算机算法可以做到独立确定优化利润的方式。对于计算机算法而言，这种方式指的就是不断强化市场透明度，进而维系市场参与者的有意识平行行为。
现在，让我们来考虑一下电子眼场景中的法律责任问题。如果没有证据证明企业之间签订了垄断协议或者存在反竞争意图，那么在司法层面，企业会为自学习算法酿成的共谋“背锅”吗？诚然，是人类创造了算法，他们依赖算法为自己提供经营决策、做大利润，他们也知道默许共谋是算法可能带来的众多后果之一。但即便如此，人类依旧无法预测定价算法在市场中的普及在何时将引发默许共谋与产品溢价，而这又会持续多久，造成多大影响。
没有了市场竞争对手之间的垄断协议与协作行动是计算机算法的“功劳”，令企业的战略不确定性下降，并逐步形成了一套公认的销售预测策略。但是对于反垄断诉讼的原告而言，可不是一件好事。垄断协议与反竞争意图的缺失给原告的举证带来了极大的困难——电子眼场景中的默许共谋不过是计算机算法在面对市场动态变化时自发做出的理性反应。此前，在预测型代理人场景中，我们在检视市场参与者是否有意打造了这种相互依存的市场环境。如果参照《联邦贸易委员会法》的第5条条款，在缺乏共谋协议证据的情况下，直接损害消费者利益的“不正当行为”即可被视为违法。
但在电子眼场景中，执法者无法再依赖对犯罪意图的认定来惩处违法者。事实上，他们的执法工具箱里已经没有了弹药。更加矛盾的是，相比动荡的市场环境（价格忽涨忽跌），有些市场监管者也许还会对这种由算法普及带来的稳定市场环境表示欢迎。
有趣的是，如果算法的开发人员能够预示到这种市场境况，他们可能还会倾向于打造相似的算法。这种看似无害的决定实则给市场带来了重大影响。因为相似的算法可以更好地“理解”对方，并会共同努力稳固合谋的结果。
此时，消费者受到的利益侵害是不言而喻的，而我们也将见证一个全新的现实：一个无人可察、无人可怨的反竞争结果。说到底，任何利益的侵害都只是机器崛起后的副作用。
干预的尺度何在
来看另一种情况，如果在算法模型被搭建之初就将遵循反垄断法的任务植入其中，是否就可以避免电子眼场景下的默许共谋了呢？从技术的角度来看，这并不容易。对于算法来讲，禁止价格操纵的指令或许易于操作，但在算法的强化学习过程中，它可能会从无数个协调互动的方法中，找到一条法律认可范围内的共谋路径。 15 或者说，法律可以要求算法编写人员对算法下达指示，命令其不要对市场变化做出回应吗？如果是这样，那这不反倒成了一个降低市场效率的方法了吗？
如果说有意识的平行行为尚属合法，那么问题的关键将落脚于——在这种可预测的数字化市场环境中，智能机器执行的这些市场活动是否合法？作为社会中的一员，当由技术进步带来的市场变化促使财富从消费者向商家发生转移时，但凡市场效率有所提升、社会总体福利有所增长，我们是否就可默许这种财富转移？
这些问题直触反垄断法的核心与监管目标，而不同的司法管辖区对这些问题又有自己的判断准绳。技术进步之于市场竞争，是鼓励还是限制？这其中的分水岭又在何处？各方说法不一，这也取决于不同司法管辖区对于反垄断目标的不同排序。 16
与之相关的另一个议题是：构成实质性禁令的依据何在——是行政监管还是司法监管？在一些地方的司法管辖区内，宽泛的反不正当竞争限令将易于界定企业商业活动的合法性。此外，对于犯罪意图的认定，不同司法管辖区也有各自的标准，这也直接影响了监管机构在电子眼场景中将如何作为。
本章回顾
对于一部分读者来讲，电子眼场景下的共谋也许显得有些无法自圆其说。毕竟，所有我们在前文中提到的风险因素都有可能起到鼓励竞争的作用：市场透明度的提升可以降低消费者的搜寻成本；调价频率的加快意味着市场价格可以快速走低（在供给匮乏时也可能迅速抬高，从而促进资源的有效分配）；利用计算机算法优化利润的方式也为经营者揭示了一些后者未曾预见到的利润增长途径。
当然，我们从未对这些改进竞争秩序的可能视而不见。在一些市场中，新的市场参与者的出现、消费者购物习惯的转变、破坏性技术的横空出世、默许共谋中的反叛分子都有可能干扰到共谋场景的稳定性。另外，我们也无意给算法盖棺论定，为它安上一个骂名，指责其就是企业开展有意识平行行为的元凶。
相反，我们意在说明，前沿科技、新的市场动态与定价算法并不必然昭示着共谋的终结，它们还有可能带来一个崭新且更具生命力的共谋形式。场景分析表明，在特定的市场条件下，企业的定价算法会自发形成一个利润最大化（以更高的定价攫取消费者的财富）的策略，从而实现有意识的平行行为。对于执法者而言，他们有必要充分意识到这些情境的潜在危害。
也许，我们在万千卖家与产品条目中的确看到了激烈的市场竞争，但默许共谋却隐藏在了人们无法察觉的角落。的确，企业会在一段时期开展竞争，并因此而引发你来我往的报复性降价销售。但在这背后，竞争秩序却已被密集的市场数据收集与监测行为所削弱。精妙的计算机算法甚至可以做到令同一市场中的数家企业和平共处，免于竞争。从表面上看，稳定的市场均衡状态确是一种市场充分竞争的表现，但实则是一种隐性的客户资源分配——每个算法都已锁定了特定的客户群体。
面对前文所述的这些法律挑战与道德谜团，有人可能会站出来强烈反对针对算法的行政干预。但如果不对这些新生的市场业态加以干涉，自由市场的可靠屏障可能就会显现裂痕。但是可以预期，算法一定蓬勃发展，由算法萌发的默许共谋也将得到强化。以追逐利润最大化为原动力（说得直白些就是贪婪），企业利用算法成功实现了财富由消费者到商家的转移。更进一步说，这也拉大了巨富阶层与中低收入者的贫富差距。在我们走向财阀统治之前，请容我们在本书的第五部分里重新审视社会对这种市场动态的容忍。
第三部分
行为歧视
在第二部分中，我们已经介绍了定价算法培植明示或默许共谋的四种场景。在本部分的章节中，我们将讲述另一个有关“损害”的理论——单个企业通过使用数据驱动的算法，从而更好地实现锁定客户、开展个性化营销与定价的目的。
区别于此前的共谋场景，市场环境再次发生了变化。在共谋场景中，定价算法提高了企业经营者在销量数据上的透明性，这也促使各家企业开展协作化的定价行为。但在下面的章节中，我们将看到，针对个性化的产品和服务，企业正在有意限制价格的透明度。在此，我们不能再看到一个统一的市场溢价。相反，为了实现利润最大化，每家企业会针对不同的客户设定不同的报价。你所看到的价目表，反映出了企业对你愿意为这件商品支付多少金钱做出的估算。
近年来，线上环境正在向个性化发展。你在网页上看到的广告可能会与你的伴侣、孩子、父母或者邻居看到的有所不同。事实上，我们恐怕无法估量，这些广告（或者说内容）在多大程度上反映出了我们的搜索记录、购买历史或是近来收发的邮件和信息。《华尔街日报》（Wall Street Journal ）曾报道，“独立、公正的互联网环境正在让位于一个越发定制化的线上世界。不少网站的运营者正在使用这样一种信息收集技术，它可以做到实时监测访客访问该网站时的情况，并以此为依据向后者推送不同版本的网页页面。普通的互联网用户无法察觉到网站在产品定价、种类与广告文案上的区别”。 1
这种个性化的趋势是我们正在探讨的问题的核心。企业正在追踪并收集有关“你”的个人信息数据，它们打造出了一个资料库，里面装满了有关消费者的个人档案。根据这些信息，它们将在网页中为你呈现契合你个人喜好的广告，以此来诱导你消费。
那么下一个问题就是，这种个性化、差异化的线上环境是如何影响了市场竞争与民众日常生活。行为定向广告、个性化产品推送以及差别化定价的确有效降低了搜寻成本，并且节省了我们的采购时间与精力。定向广告与促销令我们可以迅速捕捉到市场中的机会，并且极大地促进了社会消费总量的增长。然而，这种歧视性行为也会降低消费者的福利。所谓的个性化服务并不止步于为我们提供促销信息，它还会影响到企业的定价决策，这也就是我们常说的“定价优化”或“动态化差别定价”。于是，易于冲动消费的人们会为自己更加频繁的消费支付更高的价格。
在第9章中，我们将对歧视性定价行为做出简要概述。接下来，第10章将探讨大数据与机器学习是如何促使企业实现更准确的价格歧视，同时介绍当前正阻挠算法达成完全价格歧视任务的几大挑战。虽然完全价格歧视无法在短期内实现，但在第11章我们会看到，由数据驱动的算法正在学习将消费者归入不同分组，并对我们“分而治之”。随着人们对线上平台的依赖与日俱增，市场竞争动态也正在发生深刻的转变。此后，第12章将探索行为歧视在数字化环境中的社会效应问题。最后，第13章将再次介绍比价网站、搜索引擎与线上平台的发展现状，以及它们是如何承接了歧视性定价的责任，成功地令消费者误以为自己正处于一个竞争市场里。